[發明專利]商品推薦方法和裝置

在審

• 申請號: 202010949448.3
• 申請日: 2020-09-10
• 公開（公告）號: CN112232896A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 溫珂偉;黃衍寧
• 申請（專利權）人: 上海明略人工智能（集團）有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02;G06N3/04;G06N3/08
• 代理公司: 北京康信知識產權代理有限責任公司 11240
• 代理人: 周婷婷

1.一種商品推薦方法，其特征在于，包括：

獲取目標賬號在客戶端中瀏覽目標商品的目標數據特征，其中，所述目標數據特征包括所述目標賬號的行為特征、所述目標賬號的賬號特征、所述目標商品的商品特征與所述目標商品的訂單特征；

將所述目標數據特征輸入到第一神經網絡模型中，其中，所述第一神經網絡模型為用于輸出第一概率的模型，所述第一概率用于表示所述目標賬號購買所述目標商品的概率；

將所述目標數據特征與時間特征輸入到第二神經網絡模型中，其中，所述第二神經網絡模型為用于輸出第二概率的模型，所述第二概率用于表示所述目標賬號預購買所述目標商品的概率，所述時間特征為所述目標賬號瀏覽所述目標商品所使用的時間；

在所述第一概率處于第一區間內且所述第二概率處于第二區間內的情況下，向所述目標賬號推送商品列表，其中，所述商品列表中包括與所述目標商品關聯的商品。

2.根據權利要求1所述的方法，其特征在于，在所述第一概率處于第一區間內且所述第二概率處于第二區間內的情況下，在向所述目標賬號推送所述商品列表之前，所述方法還包括：

獲取第一列表，其中，所述第一列表中包括多個商品；

確定所述第一列表中的每一個商品與所述目標商品的相似度；

將所述第一列表中，與所述目標商品的所述相似度高于第一閾值的商品確定為所述商品列表中的商品。

3.根據權利要求1所述的方法，其特征在于，所述在所述第一概率處于第一區間內且所述第二概率處于第二區間內的情況下，向所述目標賬號推送商品列表包括：

向所述目標賬號推送所述商品列表與目標優惠券，其中，所述目標優惠券為所述目標賬號購買所述商品列表中的商品時使用的優惠券。

4.根據權利要求3所述的方法，其特征在于，在向所述目標賬號推送所述商品列表與目標優惠券之前，所述方法還包括：

調整所述目標數據特征中的所述訂單特征中的訂單優惠券的數值，以更新所述目標數據特征，得到更新后的所述目標數據特征；將更新后的所述目標數據特征輸入到所述第一神經網絡模型與所述第二神經網絡模型中，得到所述第一概率與所述第二概率；

將所述第一概率與所述第二概率最大的情況下的所述訂單優惠券的數值確定為所述目標優惠券的數值。

5.根據權利要求1至4任意一項所述的方法，其特征在于，在將所述目標數據特征輸入到所述第一神經網絡模型中之前，所述方法還包括：

獲取第一樣本數據，其中，所述第一樣本數據包括第一賬號瀏覽第一商品的第一數據特征，其中，所述第一數據特征包括所述第一賬號的行為特征、所述第一賬號的賬號特征、所述第一商品的商品特征與所述第一商品的訂單特征；

使用所述第一樣本數據訓練所述第一神經網絡模型，直到所述第一神經網絡模型的識別準確度大于第二閾值。

6.根據權利要求1至4任意一項所述的方法，其特征在于，在將所述目標數據特征輸入到所述第二神經網絡模型中之前，所述方法還包括：

獲取第二樣本數據，其中，所述第二樣本數據包括第二賬號瀏覽第二商品的第二數據特征和時間特征，其中，所述第二數據特征包括所述第二賬號的行為特征、所述第二賬號的賬號特征、所述第二商品的商品特征與所述第二商品的訂單特征，所述時間特征包括所述第二賬號瀏覽所述第二商品所消耗的時間；

使用所述第二樣本數據訓練所述第二神經網絡模型，直到所述第二神經網絡模型的識別準確度大于第三閾值。